今年年初，加州南部两场大规模野火——Eaton Fire与Palisades Fire，迅速蔓延，造成巨大的人员和财产损失。然而，事件发生后，公众最关注的焦点之一，并非火势本身，而是火灾前电力公司对火情的严重“低估”。

据《洛杉矶时报》报道，加州电力公司Southern California Edison（南加州爱迪生公司）原本部署了AI模型，对高危地区进行火灾预判。然而，事后数据显示，该模型预测的烧毁面积仅为1000英亩，实际却远超14,000英亩，误差超过90%。这引发了公众对其技术能力、危机应对机制及责任体系的全面质疑。

Eaton Fire 是2025年迄今为止美国最具破坏性的山火之一，摧毁了超过9,400栋建筑物，造成至少17人死亡，数十人失踪。保险行业初步估计，该火灾造成的经济损失高达250亿美元，将成为加州有史以来赔偿金额最高的自然灾害之一。

调查发现，Edison使用的AI预测模型主要依赖短期气象数据与地面湿度感应器，可进行8小时内的局部风险评估。然而，该系统对复杂地形、风向变化及干燥植物链反应不敏感，导致严重低估扩散速度。

“我们从未否认AI的潜力，但这次它确实失误了。” Edison公司的发言人在新闻发布会上表示，公司已成立特别委员会，审查模型架构，并计划投入800万美元改进下一代预测系统。

除了技术问题，更受诟病的是电力公司在灾情爆发前的“过度自信”。内部备忘录显示，在火灾前48小时，尽管火险红色警报已经发布，但Edison并未采取预防性断电措施。该决定被指为试图避免公众投诉，却在根本上加剧了火势蔓延的可能。

此次事件也暴露出政府监管与企业自主预判之间的漏洞。州应急管理局（Cal OES）在通报中表示：“我们过于依赖由企业自主开发的技术模型，未来必须加强第三方审查机制。”

灾后，多个环保组织联合向州政府施压，要求对电力公司问责，并推动建立由州政府主导的“野火预测联合系统”，以避免未来再度发生类似失误。

与此同时，科技界也开始反思AI在自然灾害预测中的适用边界。斯坦福大学环境工程学教授Lisa Carter指出：“AI能分析模式，却无法替代人为经验和直觉。特别是在极端天气频发、生态变化剧烈的今天，过度依赖单一算法并不明智。”

在灾后重建方面，Edison宣布设立受灾家庭援助基金，为损失严重的用户提供紧急补贴与住宅修复支持。但多个社区组织已发起集体诉讼，要求公司就“技术疏失导致的失控灾难”承担法律责任。

加州作为全球技术创新高地，同时也是野火频发重灾区，这场风暴或许只是一个开始。如何在数字化进程中建立更稳健、更有韧性的预警系统，将成为科技与治理未来的重要议题。